 
字體：小 中 大 |
|
|
|
| 2022/11/28 20:00:00瀏覽265｜回應0｜推薦12 | |
|
我們每天都在預測未來。大到台海戰爭，俄烏衝突，股市起伏，小到老闆是否調薪，女友是否劈腿，當我們彷徨無措時，總會求助於名嘴或者預言家，需要有人拿個主意，即使他們的準確率也不過50%。
我們發現任何事情衹要牽涉到人與人，而非人與物，其實就非常難測。所謂的爾虞我詐，人心隔肚皮，我們看到股票市場永遠比天氣難以預測，戰爭發生與否永遠比晶圓的良率難測。原因就是當測與被測的主客體都是「人」時，難度就無限增高了。
牛頓發明微積分，形成了梯度下降的基礎，而機器學習利用梯度下降的方式，逐漸摸索到了最佳參數與模型，然後利用這模型預測未來。但是這套理論很不幸地，只適合研究物理現象，而非心理現象。用機器學習去猜測股價，或者是戰爭是否發生，用梯度下降的方法，可能永遠成不了事。
在心理學層面，由於討論的是待人而非接物，由於主體和客體都是人，所以牛頓的一次微分根本找不到解，多次微分也沒有用，為什麼呢？
我們常說天機不可洩露，因為一旦洩露了，天機就會改變。如果我有一個模型，預測對方會怎麼做。對方知道了，就會把這個結果當做已知，然後用新的模型預測我怎麼做。換句話說，我們彼此都在互相做梯度下降的微分。無止境的微分，在當代數學上是否有解我不知道，但牛頓還真幫不上忙。
如果我猜台海5年之內會有戰爭，甚至於明年就會打仗。對方知道了我的預測，就會因此調整策略，而作出新的預測與決定，而我們觀察它的改變，又會因此改變我們的預測與決定。如此循環反復，就造成了無窮微分。會不會收斂，或者變成隨機雜訊，已經遠超過我的想像。
也許微積分，或者機器學習，衹能用於對機器的預測，人與人之間的預測，必須要有另外一套數學模型才行。至於這一套數學模型是什麼呢？我們在牛頓之後是否又得有另外一位偉大的數學家，協助我們解決人際關係的梯度下降？
在每天聽那些名嘴胡說八道大放厥詞，錯了之後還找理由硬拗的同時，我們且馨香禱告，虛位以待。
|
|
| ( 創作｜散文 ) |
